大賽作品詳情
.png?x-oss-process=image/resize,w_400)
QBUCR)CVNEJTV.png?x-oss-process=image/resize,w_400){kind=small}
R.png?x-oss-process=image/resize,w_400){kind=small}
作品名稱：基于隱馬爾可夫模型的化工生產線故障預警與診斷系統
學校名稱：江蘇理工學院
參賽隊伍：爭做社會主義好青年
參賽學生：張一滿 葛文慧 吳謝睿
指導老師：李澤芳 范望喜
詳細說明
安全事故猛于虎。
化工企業由于其生產原料及生產產品設計的特殊性、復雜性和多樣性，更容易導致安全事故的發生，造成不堪設想的嚴重后果。每一場事故，每一個冰冷的數字背后都承載著無數家庭的痛苦。因此，實現化工生產線故障預警與診斷具有重要意義。
本團隊以Tennessee Eastman（TE）化工過程為樣例，以Python為平臺，結合Matlab的建模功能，運用經典的機器學習算法（隱馬爾可夫模型，Hide Markov Model）及基于統計原理的信號分離方法（獨立成分分析法，Independent Component Analysis）構建復雜化工過程的故障預警與診斷系統。
本系統主要功能如下：
1.化工生產線故障預警：監控指標以波形圖顯現，通過與報警閾值比對，直觀呈現生產線健康狀況；
2.高效的故障檢測：故障檢測率最高可達100%（故障6）；
3.即時預/報警：監控指標超過預設閾值立刻通過聲音、閃光效果進行預/報警；
4.快速自動故障分類：對TE化工過程的故障實現快速自動分類，準確率可達99.8%（故障7，詳見說明書）；
5.故障預警后處理：針對不同故障，及時顯示預設的處理、維修建議，通知維修人員，維修后提交日志，存入數據庫。
設計理念：
1.安全第一——綜合運用不同機器學習算法的優點，提高故障檢測率與分類準確率，確保安全生產；
化工企業由于其生產原料及生產產品設計的特殊性、復雜性和多樣性，更容易導致安全事故的發生，造成不堪設想的嚴重后果。每一場事故，每一個冰冷的數字背后都承載著無數家庭的痛苦。因此，實現化工生產線故障預警與診斷具有重要意義。
本團隊以Tennessee Eastman（TE）化工過程為樣例，以Python為平臺，結合Matlab的建模功能，運用經典的機器學習算法（隱馬爾可夫模型，Hide Markov Model）及基于統計原理的信號分離方法（獨立成分分析法，Independent Component Analysis）構建復雜化工過程的故障預警與診斷系統。
本系統主要功能如下：
1.化工生產線故障預警：監控指標以波形圖顯現，通過與報警閾值比對，直觀呈現生產線健康狀況；
2.高效的故障檢測：故障檢測率最高可達100%（故障6）；
3.即時預/報警：監控指標超過預設閾值立刻通過聲音、閃光效果進行預/報警；
4.快速自動故障分類：對TE化工過程的故障實現快速自動分類，準確率可達99.8%（故障7，詳見說明書）；
5.故障預警后處理：針對不同故障，及時顯示預設的處理、維修建議，通知維修人員，維修后提交日志，存入數據庫。
設計理念：
1.安全第一——綜合運用不同機器學習算法的優點，提高故障檢測率與分類準確率，確保安全生產；
2.人機交互與自動化——人機交互界面合理、高效，故障檢測與分類實現自動化；
3.故障預警與分類可視化——一旦偵測出故障信號，即時實現聲、光、電子郵件同時自動預/報警，并將故障分類結果直觀顯示于TE過程的生產流程圖上；
4.視情維護與應用擴展——建立維修數據庫，預留攝像頭及多種傳感器接口，為該系統實際應用擴展渠道。
